Description
Date depot: 6 octobre 2021
Titre: Méthodes d'identification et d’exploitation des relations de causalité entre différents nœuds d'un graphe bayésien
Directeur de thèse:
Nicolas MAUDET (LIP6)
Encadrant :
Pierre-Henri WUILLEMIN (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: Cette thèse vise à proposer un ensemble de méthodes afin d'identifier et d’exploiter des relations de
causalité entre les différents nœuds d'un graphe bayésien représentant des données structurées
d’entreprise. Un tel graphe est construit sur la base d’un ensemble de variables et de leurs dépendances causales.
Il s’agira de passer à l’échelle sur un grand nombre de variables, à la fois discrètes et continues, et
pouvant porter des estampilles temporelles.
Le travail comporte 2 parties essentielles :
• L’identification de la structure d’un graphe causal pour calculer l’effet d’interventions sur
des variables d’intérêt. Pour des raisons pratiques lié à la large dimensionalité et à la non-
décidabilité de certaines relations, le graphe causal sera limité à la représentation d’un
ordre causal partiel entre les variables, excluant des relations qui ne contribuent pas à
l’exactitude des calculs causaux.
• Le développement de modèles de calcul adaptés aux données d’entreprise. En particulier
ces modèles pourront s’appuyer localement sur des sous-modèles prédictifs supportant
un grand nombre de variables.
Doctorant.e: Hadj Ali Mahdi